2026年4月，Snap裁了1000人。
理由是：公司65%的新代码已经由AI来写。
消息传出当天，股价应声上涨。省下来的钱进了财报，一年大约5亿美元。
但留在团队里的资深工程师，活没少。他们多了一项新工作：审查AI写的代码，给AI擦屁股。
招聘市场上，“审查并验证AI生成代码”的岗位需求，一年涨了近九成。原本一个人从头写到尾的活，现在变成先让AI出草稿，再由人逐行挑错、兜底。
过去拼的是写得快、写得多。现在拼的是能不能一眼看出AI哪里藏了雷。
有人在网上吐槽：AI写的代码，乍一看能跑，仔细一查全是坑。边界情况没考虑全，异常处理含含糊糊，真出了问题还得人来收拾。
代码不是自己写的，出了事却要自己兜。这不是省心，是埋雷。
一、AI代码的真相：能跑，但有雷
AI生成的代码有个特点：主流程能跑通。输入、处理、输出，演示的时候顺顺当当。
但一旦遇到异常分支、极端输入、并发冲突，问题就藏不住了。
异常分支写得含糊，边界条件漏处理，报错信息对不上号。这些毛病在演示时看不出来，一上线就冒头。
行业研究机构GitClear追踪了2.11亿行代码，数据很直白：
写后两周内就被修改或回退的代码占比，从2023—24年的约16%，升到了2025—26年的约19%。
连续五行以上重复的代码片段，2023到2026年间增加了约八成。
翻译一下：AI写出来的代码，有相当一部分是从别处抄来的近似片段。拼在一起能看，拆开维护就头疼。
看似当场成型，推到线上隐患一窝蜂冒出来。回头排查，往往比自己重写一遍还费劲。
原因很简单：代码不是自己写的，上下文不熟。读别人写的代码，还是AI拼出来的，比从头写一遍还要慢。出了问题，得先搞懂当初为什么这么写，再决定怎么改，时间就这么耗进去了。
二、省下来的钱，从招聘预算挪到了加班表
公司算的是眼前账。
少招初级岗，省下人头费，立竿见影写进财报。
但省下的成本并没有消失。只是从招聘预算那一项，挪到了资深工程师的复核工时和抢修加班上。
人头费是省了，加班时长远了，团队的体力和耐心在被消耗。
账没有真的平掉，只是换了个地方记。
更长远的问题在人身上。初级岗砍得太多，新入行的人没了练手机会。等现在这批资深工程师往上走或者离开，几年后谁来接手这些代码库？
行业里把这叫“把技术债往后甩”。当下账面好看，账记在了后人头上。
技术债说白了就是代码里欠下的返工钱。今天图快写得糙，明天就得花更多时间去还。
三、被裁的是新人，扛雷的是老人
这轮调整里，被裁的主要是刚入行的初级岗。
过去那种招一批新人、从写第一行代码开始带的做法，明显收缩了。公司不再从零培养，把出活的希望押在AI工具上。
对刚毕业、还在找第一份工作的人来说，这道门正在变窄。
过去靠做项目攒经验、靠老员工带着上手的路径，一下子没那么顺了。
可留下来的资深工程师，日子也没轻松。
原本一个人从头写到尾的活，现在变成AI出草稿，人逐行挑错。代码不是自己写的，出了事却要自己兜。
有人说，这不叫“降本增效”，叫“降本增负”。省下的是公司的钱，增加的是留下来的人的活。
四、客服踩过的坑，程序员正在踩
瑞典支付公司Klarna，曾用AI顶替约700名客服。
结果服务质量下滑，投诉增多。2025年5月，CEO公开承认这一步走得太远，重新招回真人，改成AI加人工的混合模式。
客服这条线上踩过的坑，和写代码这行正在踩的坑，逻辑是通的：
AI能顶一部分量，但一旦把人的判断和兜底一起砍掉，质量就会出问题。
那些被AI代码折腾的工程师，用自己的加班和吐槽，给整个行业提了个醒：
省下来的钱，早晚要以另一种形式还回去。
AI能写代码，但不能为后果负责。线上出了故障，背锅的终究是人。
工具再强，责任这一环，还是得有人扛着。
最后说一句
Snap的股价涨了，财报好看了。但代码库会越攒越乱，后续维护成本越堆越高。
这不是长久之计。
当一个系统里六成以上的代码是AI拼出来的，后来人要读懂它、改它，就得花比当初写它多得多的时间。
写得快，读得慢。这个落差，迟早变成维护团队的加班表。
AI写代码，省了谁的钱，又苦了谁的手？你身边有程序员被AI折腾吗？评论区聊聊。
热门跟贴